खामोश डिमोशन: AI कैसे आज के दफ्तरों का स्तर गिरा रहा है

इस चलन को श्रम अर्थशास्त्री अक्सर "डीस्किलिंग" (कौशल में कमी) कहते हैं। ऐसा इसलिए हो रहा है क्योंकि AI नौकरी के सबसे दिलचस्प और जटिल हिस्सों पर कब्ज़ा कर रहा है, और इंसानों के लिए सिर्फ उबाऊ और बचा-खुचा काम छोड़ रहा है। शुरुआती वादा यह था कि AI हमें नीरस कामों से आज़ाद करेगा। लेकिन कई लोगों के लिए, यह दिलचस्प कामों को ही ऑटोमेट कर रहा है। MIT जैसे संस्थानों के शोध से यह पैटर्न सामने आया है कि टेक्नोलॉजी को इंसानी क्षमता बढ़ाने के लिए नहीं, बल्कि उसे मानकीकृत और नियंत्रित करने के लिए लागू किया जा रहा है। इसके नतीजे अक्सर उत्पादकता और कर्मचारियों के मनोबल, दोनों के लिए निराशाजनक होते हैं।

एक रेडियोलॉजिस्ट का उदाहरण लें। पहले, उनकी विशेषज्ञता में जटिल मेडिकल तस्वीरों का गहराई से विश्लेषण करके असामान्यताओं की पहचान करना शामिल था। आज, AI सिस्टम अक्सर शुरुआती जांच का यह काम काफी सटीकता से कर सकते हैं। अब रेडियोलॉजिस्ट की भूमिका मुख्य जांचकर्ता से बदलकर मशीन के नतीजों की पुष्टि करने वाले की हो गई है। वे गहरे विश्लेषण में कम और एक एल्गोरिदम के काम की जांच करने में ज़्यादा समय बिताते हैं। यह काम न केवल कम चुनौतीपूर्ण है, बल्कि मानसिक रूप से थकाने वाला भी है। यही पैटर्न दूसरे उद्योगों में भी दोहराया जा रहा है: वकील, जो कभी बारीक कानूनी दलीलें तैयार करते थे, अब AI-जनित अनुबंधों की समीक्षा करते हैं, और ग्राफिक डिज़ाइनर, जो कभी मौलिक अभियानों की कल्पना करते थे, अब अपना दिन AI-जनित थोड़ी-बहुत खामियों वाली तस्वीरों को ठीक करने में बिताते हैं।

इस बदलाव का मूल कारण कंपनियों के अपने फायदे हैं। ऐसे AI सिस्टम डिज़ाइन करना जो वास्तव में इंसानी विशेषज्ञों के साथ सहयोग करें और उनकी क्षमता को बढ़ाएं, मुश्किल और महंगा है। इसके लिए काम करने के तरीके, रचनात्मकता और इंसानी सोच की गहरी समझ की ज़रूरत होती है। इसके विपरीत, खास और अहम कामों को ऑटोमेट करने के लिए AI डिज़ाइन करना अक्सर आसान होता है। इससे लागत में कटौती करके तुरंत फायदा भी मिलता है। यह तरीका 20वीं सदी की शुरुआत के वैज्ञानिक प्रबंधन, या "टेलरवाद" के सिद्धांतों जैसा है, जिसमें कुशल कारीगरी को सरल और दोहराए जाने वाले कामों में बांटा जाता था ताकि कुशलता और प्रबंधन का नियंत्रण बढ़ सके। अब हम इसी प्रक्रिया का डिजिटल रूप देख रहे हैं, जो व्हाइट-कॉलर यानी दफ्तरों के ज्ञान-आधारित कामों पर लागू हो रहा है।

इन सिस्टम को अक्सर ऐसा डिज़ाइन किया जाता है कि वे एक "ठीक-ठाक" नतीजा दें, जिसे बाद में कोई इंसान सुधारे। यह प्रभावी रूप से इंसान को मशीन के लिए क्वालिटी कंट्रोल चेकर बना देता है। अंतिम उत्पाद की ज़िम्मेदारी अभी भी व्यक्ति पर होती है, लेकिन उसकी रचनात्मक और विश्लेषणात्मक क्षमता काफी कम हो जाती है। वे अब काम के रचनाकार नहीं, बल्कि उसके संपादक, सुपरवाइज़र या सुधारक बन जाते हैं। यह पेशेवर काम के स्वभाव को मौलिक रूप से बदल देता है, और उस विशेषज्ञता को खत्म कर देता है जो कभी किसी करियर का आधार हुआ करती थी।

इसके परिणाम व्यक्तियों और व्यापक अर्थव्यवस्था, दोनों के लिए गंभीर हैं। आर्थिक रूप से, कौशल में कमी से वेतन में ठहराव आ सकता है। जब किसी नौकरी के सबसे मूल्यवान हिस्से ऑटोमेट हो जाते हैं, तो इंसान की मोलभाव करने की क्षमता कम हो जाती है। कंपनियां उस विशेषज्ञता के लिए ज़्यादा पैसे देने को तैयार नहीं होतीं, जिसकी नकल एक एल्गोरिदम काफी हद तक कर सकता है। इससे एक ध्रुवीकृत श्रम बाज़ार बनने का खतरा है, जिसमें कुछ精英 पेशेवर होंगे जो AI सिस्टम डिज़ाइन और प्रबंधित करेंगे, और एक बड़ा कार्यबल होगा जो 'AI की निगरानी' जैसे कम-कुशल और कम-वेतन वाले काम करेगा।

पैसे से परे, इसका मनोवैज्ञानिक असर भी गंभीर है। काम में महारत, स्वायत्तता और उद्देश्य की भावना, नौकरी से मिलने वाली संतुष्टि के मुख्य स्रोत हैं। जब ये चीजें छीन ली जाती हैं, तो काम संतुष्टि के बजाय तनाव और अरुचि का स्रोत बन जाता है। यूरोपियन फाउंडेशन फॉर द इम्प्रूवमेंट ऑफ लिविंग एंड वर्किंग कंडीशंस के एक अध्ययन में लगातार यह पाया गया है कि काम में स्वायत्तता, कामकाज में भलाई का सबसे बड़ा पैमाना है। जैसे-जैसे AI सिस्टम काम करने के तरीके को ज़्यादा निर्देशित करते हैं, वह स्वायत्तता खत्म हो जाती है, जिससे बर्नआउट होता है और पेशेवर जीवन की समग्र गुणवत्ता में गिरावट आती है। लंबे समय में, इससे समाज की विशेषज्ञता में भी कमी आ सकती है, क्योंकि कम लोगों को काम करके गहरे और बारीक कौशल विकसित करने का मौका मिलेगा।

इस चलन को पलटने का मतलब टेक्नोलॉजी को अस्वीकार करना नहीं है, बल्कि इसे लागू करने के लिए एक अलग रास्ता चुनना है। कंपनियां और डेवलपर AI के लिए "मानव-केंद्रित" दृष्टिकोण को प्राथमिकता दे सकते हैं। वे ऐसे टूल डिज़ाइन कर सकते हैं जो आपकी जगह लेने के बजाय सहयोगी के रूप में काम करें। एक AI किसी वैज्ञानिक के लिए एक शक्तिशाली रिसर्च असिस्टेंट के तौर पर काम कर सकता है, जो डेटा में ऐसे पैटर्न ढूंढ सकता है जिन्हें कोई इंसान शायद न देख पाए, बजाय इसके कि वह पूरा रिसर्च पेपर लिखने की कोशिश करे। यह एक प्रोग्रामर के लिए सह-पायलट हो सकता है, जो एक प्रॉम्प्ट से पूरा एप्लीकेशन बनाने के बजाय कोड में सुधार के सुझाव दे।

इसके लिए सोच और नीतियों, दोनों में बदलाव की ज़रूरत है। शिक्षा प्रणालियों को बदलना होगा, और रटने पर कम ध्यान देकर उन कौशलों पर ज़्यादा ध्यान केंद्रित करना होगा जिनकी नकल AI आसानी से नहीं कर सकता: जैसे कि आलोचनात्मक सोच, जटिल समस्याओं को सुलझाना, रचनात्मकता और भावनात्मक समझ। इसके अलावा, कर्मचारियों और पेशेवर संगठनों को यह मांग करनी होगी कि जब उनके दफ्तरों में AI लाया जाए तो निर्णय प्रक्रिया में उन्हें भी शामिल किया जाए, ताकि यह सुनिश्चित हो सके कि टेक्नोलॉजी को उनके काम की गुणवत्ता और सम्मान को बनाए रखने वाले तरीके से तैनात किया गया है। लक्ष्य इंसानों और मशीनों के बीच साझेदारी बनाना होना चाहिए, न कि एक ऐसी व्यवस्था जहां इंसान मशीन के अधीन हो।

काम का भविष्य तकनीकी प्रगति का कोई पहले से तय नतीजा नहीं है। यह कंपनियों, इंजीनियरों और नीति-निर्माताओं द्वारा लिए गए हज़ारों व्यक्तिगत फ़ैसलों का परिणाम है। नौकरियों के खत्म होने की कहानी ने हमें नौकरियों के स्तर में गिरावट के ज़्यादा तात्कालिक जोखिम से भटका दिया है। आज दफ्तरों में हो रहा यह खामोश डिमोशन एक चेतावनी है। अगर हम कार्रवाई करने में विफल रहते हैं, तो हम एक ऐसा भविष्य बनाने का जोखिम उठाते हैं जहां काम न केवल दुर्लभ होगा, बल्कि बहुत कम मानवीय भी होगा।